心电图一直是人们了解自身心脏特征的主要途径，是疾病诊断的重要依据。由于动态心电图的产生，导致手工分析心电图所有数据已经不可能，为了提高诊断效率，实时监测病人，心电信号自动分析技术的诞生是必然的。心电信号属于微弱信号，采集信号一般都包含各种干扰噪声。因此，首先要对信号进行去噪处理，心电去噪是QRS波形检测和特征提取的基础，其结果将直接影响到自动分析的诊断结果。QRS波是心电图中最明显的部位，包含了很多重要生理信息，因此，QRS检测是自动分析中重要的一步，不仅是其他波形定位的基础，也是特征提取的前提，将影响自动分析诊断的准确度。本文基于前人研究成果的基础上，主要对QRS波群检测技术做了进一步研究。在去噪处理方面，本文采用了小波阈值去噪法。主要工作：1.选择合适的小波函数并确定小波分解层数。2.选择合适的阈值函数和阈值估计方法。3.进行仿真实验。本文利用sym8小波对心电进行小波分解，采用小波硬阈值法处理信号，同时通过输出信噪比(SNR)和最小均方误差(MSE)两参数对实验结果进行评估，表明该方法能够有效的去除心电信号中的主要噪声，具有很好的去噪效果。本文提出了一种基于小波变换的R峰定位方法。该方法采用了高斯小波作为小波函数，选取了能量集中、噪声等干扰较弱的第3层的小波分解系数作为研究对象。主要工作：1.初始阈值并确定自动阈值变换规则。2.寻找在符合阈值条件的极值点，并通过一定方法以及优化策略对极值点进行正确配对。3.根据极值对确定R波峰在原信号的位置区间，并在该区间中找出最值，该值位置即为R波峰位置。4.通过不应期生理原理对R定位结果进行误检。5.仿真实验。本文对MIT-BIH数据库中部分典型波形数据进行了实验，实验结果表明该算法定位R波峰的正确率很高，是一个有效性算法。以定位R波峰为基础，本文实现了QRS波群宽度的提取。主要工作：1.确定Q、S波在R波旁边的大概范围，在此范围中寻找极值点，并对这些极值点进行正确配对2.根据极值对确定R波峰在原信号的位置区间，并在该区间中找出最值，该值位置即为波峰（Q或S波峰）。3.在Q波峰前或S波峰后8个采样点中寻找斜率变化最大的采样点，并认为该点为Q波起始点或S波终点，即为QRS波群的始点和终点，算出QRS波群宽度5.仿真实验，在波形中标出QRS波群宽度、Q波峰及S波峰。通过对MIT-BIH数据库中部分典型波形数据进行了实验，实验结果表明该方法有较好的精确度。